arXiv ID:
2605.17795
arXiv 提交日期: 2026-05-18
当准确率不够时:噪声标签学习与分布外检测之间的不确定性崩塌 / When Accuracy Is Not Enough: Uncertainty Collapse between Noisy Label Learning and Out-of-Distribution Detection
1️⃣ 一句话总结
本文发现,在噪声标签学习任务中,高分类准确率并不能保证模型在检测分布外样本时的可靠性,因为被错误分类的低置信度样本与分布外样本在特征空间上会发生重叠,导致“不确定性崩塌”;作者提出了一个修复方法——虚拟边缘正则化,能在不牺牲准确率的前提下部分缓解这一问题。